待验证60% 置信权衡取舍精确时间

RAG的效果高度依赖文档切片策略质量，切片过长增加检索噪声，切片过短丢失上下文语义

2

来源数

60%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

扣子Coze专家Agent五步搭建AI协作团队完整指南

相关事实

待验证RAG（检索增强生成）和 Fine-tuning（微调）能一定程度弥补大模型无法感知企业内部数据的缺陷74% 相似待验证RAG系统的效果高度依赖于知识库质量，源文档提取阶段的信息丢失会受到垃圾进垃圾出的制约72% 相似已验证RAG存在检索精度不稳定、语义匹配偏差以及消耗大量上下文窗口等缺陷72% 相似待验证RAG的检索质量高度依赖向量数据库构建质量与嵌入模型语义理解能力，检索到错误片段同样会引发错误生成71% 相似已验证RAG技术通过将问题转为向量检索最相近知识片段并拼入提示词，可大幅减少大模型幻觉70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/577442

API

curl https://kongchang.com/api/v1/knowledge/claims/577442

MCP

get_claim(id=577442)